Исследование Barclays: из каждых 100 долларов дохода ИИ-компаний 35–40 долларов уходят трем облачным гигантам

30 августа, IT Home. На первый взгляд кажется, что компании, разрабатывающие модели искусственного интеллекта (ИИ), получают колоссальную прибыль, однако по-настоящему комфортно себя чувствуют, возможно, поставщики облачных вычислительных услуг, стоящие за ними.

Новое исследование банка Barclays детально разбирает распределение прибыли в цепочке создания стоимости ИИ. Как выяснилось, на каждые 100 долларов (прим. IT Home: около 674,6 юаня по текущему курсу) выручки, генерируемой модельными компаниями, 35–40 долларов (около 236,1–269,8 юаня) в виде затрат на инференсные вычислительные мощности уходят трем крупнейшим облачным платформам — Amazon AWS, Microsoft Azure и Google GCP.

Поставщики облачных услуг могут получать из этой части дохода от 10 до 20 долларов (около 67,5–134,9 юаня) операционной прибыли, что соответствует операционной марже до 35–45%. Этот вывод содержится в отчете Barclays об удельной экономической модели ИИ-отрасли, опубликованном 28 августа, и он позволяет внешнему миру более четко увидеть, куда именно направляется стоимость в ИИ-цепочке.

Значительный рост маржинальности ИИ-лабораторий. В отчете также отмечается, что маржа платного инференса в ИИ-лабораториях уже выросла с чуть более 10% в 2025 году до 50–65% и выше в 2026 году; скорректированная валовая маржа увеличилась в годовом исчислении на 30–50 процентных пунктов.

Аналитик Barclays Росс Сэндлер (Ross Sandler) указал, что главными факторами, способствующими такому резкому росту маржинальности, являются корпоративные клиенты и так называемые «агентные рабочие процессы» (agentic workflows), которые уже стали продуктами категории «must-have» на рынке.

Он также полагает, что фактическая маржинальность ИИ-лабораторий в настоящее время может быть даже выше оценок, приведенных в отчете. Однако по мере усиления конкуренции между передовыми моделями и продолжающегося роста предложения вычислительных мощностей ожидается, что этот показатель в конечном итоге постепенно снизится.

Структура бизнеса определяет разрыв в валовой марже. Чтобы помочь инвесторам лучше понять финансовые различия между разными ИИ-лабораториями, Barclays построила для сравнения две гипотетические передовые ИИ-лаборатории.

Около 70% выручки «Лаборатории А» поступает от API, а 30% — от подписок; «Лаборатория Б», напротив, на 80% зависит от подписочного бизнеса, и лишь 20% приходится на API.

Поскольку бизнес на API по своей природе имеет более высокую маржу инференса, чем подписочный бизнес, а также из-за различий в способах распределения затрат на обучение и разделения доходов с партнерами, разница в скорректированной валовой марже между этими двумя гипотетическими лабораториями оказалась поразительной — 17 процентных пунктов: у Лаборатории А она составила около 55%, а у Лаборатории Б — всего 38%.

Различия в способах признания выручки еще больше усугубляют это «искажение».

Лаборатория А признает косвенные доходы от API по валовой сумме, тогда как Лаборатория Б использует метод чистой суммы или вообще не учитывает доходы от косвенного API, управляемого стратегическими партнерами. Barclays сравнивает эту ситуацию с разницей между Uber и Lyft: их основной бизнес практически идентичен, но из-за разных методов бухгалтерского учета цифры в финансовых отчетах могут оказаться совершенно разными.

В отчете содержится предупреждение: по мере того как ИИ-лаборатории начнут публиковать финансовую отчетность по Общепринятым принципам бухгалтерского учета (GAAP), инвесторам перед проведением межфирменных сравнений необходимо сначала разобраться в этих учетных различиях, иначе провести осмысленное сопоставление будет крайне сложно.

Маржинальность различных продуктовых линеек.

Дальнейшая детализация конкретных продуктовых линеек показывает, что у подписочных продуктов, таких как Claude Code и Codex, расчетная маржа инференса составляет около 70%, что является самым низким показателем среди трех основных линеек.

Причина заключается в том, что ИИ-лаборатории готовы брать на себя часть затрат на токены в обмен на удержание пользователей. Такие подписки обычно оплачиваются ежемесячно с установленным лимитом использования. Стоит отметить, что в последнее время частота сброса лимитов использования заметно возросла, что может одновременно отражать давление, с которым сталкиваются ИИ-лаборатории в вопросе удержания пользователей, а также постоянное повышение эффективности моделей.

Прямой API — это самая ранняя бизнес-модель ИИ-лабораторий и одновременно самая маржинальная продуктовая линейка. Инструменты для разработчиков, такие как Cursor и Figma, взимают плату в зависимости от количества токенов, потребляемых пользователем. По оценкам Barclays, текущая маржа инференса API уже превысила 80%.

По мере постоянного повышения эффективности токенов моделей — то есть уменьшения количества токенов, необходимых для выполнения одной и той же задачи — наряду с номинальным ростом цен на API и непрерывной оптимизацией инфраструктуры инференс-сервисов, включая такие технологии, как квантование, спекулятивное декодирование и вычислительные мощности нового поколения, продолжает высвобождаться большее пространство для прибыли.

В отчете особо отмечается, что маржа инференса API во втором квартале 2026 года фактически была значительно выше уровня, отображенного на графиках, однако ожидается, что в определенный момент в будущем она все же вернется к нормальным значениям.

Косвенный API предоставляет конечному пользователю опыт, в основном аналогичный прямому API, но при этом устанавливаются прямые биллинговые отношения между пользователем и поставщиком облачных услуг. По мере того как доля косвенного API в общей выручке ИИ-лабораторий продолжает расти, различия между лабораториями в способах признания доходов будут еще больше увеличивать разрыв в сопоставимости их финансовых отчетов.

Сколько на самом деле зарабатывают облачные провайдеры.

Дальнейшая декомпозиция структуры прибыли поставщиков облачных услуг показывает, что на каждые 100 долларов (около 674,6 юаня по текущему курсу) дохода, создаваемого ИИ-лабораториями, Лаборатория А примерно соответствует 35 долларам (около 236,1 юаня) дохода от облачных услуг. После вычета затрат на инфраструктуру поставщик облачных услуг может получить около 11,80 доллара (около 79,6 юаня) прибыли, что соответствует операционной марже примерно в 34%.

Ситуация с Лабораторией Б выглядит еще более прибыльной…